CN104778232A - 一种基于长查询的搜索结果的优化方法和装置 - Google Patents

Abstract

本发明实施例提供了一种基于长查询的搜索结果的优化方法和装置，该方法包括：接收基于长查询词生成的搜索请求；从所述长查询词中提取多个关键词；在预构建的常用关键词索引中查找各个关键词；基于查找到的关键词，对按照所述搜索请求进行搜索获得的搜索结果进行优化处理。本发明实施例通过从长查询词中辨别冗余信息以及核心查询意图，增加了与查询意图相关的搜索结果，减少了用户翻页查找等操作，提高了了操作的简便性，提高了搜索效率。

Description

一种基于长查询的搜索结果的优化方法和装置

技术领域

本发明涉及搜索引擎的技术领域，特别是涉及一种基于长查询的搜索结果的优化方法和一种基于长查询的搜索结果的优化装置。

背景技术

随着网络的迅速发展，网络信息急剧增加，用户为了在海量的网络信息中寻找所需的网络信息，通常使用搜索引擎进行搜索。

搜索引擎指从网络搜集信息，经过一定整理以后，提供给用户进行查询的系统。

网络信息浩瀚万千，而且毫无秩序，所有的网络信息像汪洋上的一个个小岛，网页链接是这些小岛之间纵横交错的桥梁，而搜索引擎，则为用户绘制一幅一目了然的信息地图，供用户随时查阅。

在涉及长查询时，例如，“根据初二英语第44页4a写一篇有关灰姑娘的作文”，由于长查询里包含冗余的词，基于长查询所获得的搜索结果很多都不是用户所需求的，用户往往需要多次翻页以查找所需的结果，操作繁琐，搜索效率较低。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于长查询的搜索结果的优化方法和相应的一种基于长查询的搜索结果的优化装置。

依据本发明的一个方面，提供了一种基于长查询的搜索结果的优化方法，包括：

接收基于长查询词生成的搜索请求；

从所述长查询词中提取多个关键词；

在预构建的常用关键词索引中查找各个关键词；

基于查找到的关键词，对按照所述搜索请求进行搜索获得的搜索结果进行优化处理。

可选地，所述从所述长查询词中提取多个关键词的步骤包括：

对所述长查询词进行分词处理，以获得一个或多个查询分词；

从所述一个或多个查询分词中滤去无效的查询分词，以保留有效的查询分词作为关键词。

可选地，所述常用关键词索引基于在先查询次数超过预设的数量阈值的短查询词构建。

可选地，所述基于查找到的关键词，对按照所述搜索请求进行搜索获得的搜索结果进行优化处理的步骤包括：

获取在所述常用关键词索引中，由所述查找到的关键词索引到的短查询词；

判断所述长查询词是否包括所述短查询词；若是，则至少采用所述短查询词进行搜索，以获得搜索结果。

可选地，所述至少采用所述短查询词进行搜索，以获得搜索结果的步骤包括：

提高所述短查询词的权重；

降低辅助查询词的权重；所述辅助查询词为所述长查询词中除所述短查询词之外的查询词；

采用提高权重之后的短查询词、降低权重之后的辅助查询词进行搜索，以获得搜索结果。

根据本发明的另一方面，提供了一种基于长查询的搜索结果的优化装置，包括：

搜索请求接收模块，适于接收基于长查询词生成的搜索请求；

关键词提取模块，适于从所述长查询词中提取多个关键词；

关键词查找模块，适于在预构建的常用关键词索引中查找各个关键词；

优化处理模块，适于基于查找到的关键词，对按照所述搜索请求进行搜索获得的搜索结果进行优化处理。

可选地，所述关键词提取模块还适于：

对所述长查询词进行分词处理，以获得一个或多个查询分词；

从所述一个或多个查询分词中滤去无效的查询分词，以保留有效的查询分词作为关键词。

可选地，所述常用关键词索引基于在先查询次数超过预设的数量阈值的短查询词构建。

可选地，所述优化处理模块还适于：

获取在所述常用关键词索引中，由所述查找到的关键词索引到的短查询词；

判断所述长查询词是否包括所述短查询词；若是，则至少采用所述短查询词进行搜索，以获得搜索结果。

可选地，所述优化处理模块还适于：

提高所述短查询词的权重；

降低辅助查询词的权重；所述辅助查询词为所述长查询词中除所述短查询词之外的查询词；

采用提高权重之后的短查询词、降低权重之后的辅助查询词进行搜索，以获得搜索结果。

本发明实施例从长查询词中提取关键词，在确认该关键词在常用关键词索引中匹配时，基于查找到的关键词对搜索结果进行优化处理，通过从长查询词中辨别冗余信息以及核心查询意图，增加了与查询意图相关的搜索结果，减少了用户翻页查找等操作，提高了了操作的简便性，提高了搜索效率。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的一种基于长查询的搜索结果的优化方法实施例的步骤流程图；以及

图2示出了根据本发明一个实施例的一种基于长查询的搜索结果的优化装置实施例的结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

参照图1，示出了根据本发明一个实施例的一种基于长查询的搜索结果的优化方法实施例的步骤流程图，具体可以包括如下步骤：

步骤101，接收基于长查询词生成的搜索请求；

在具体实现中，用户可以从任何一种电子设备访问服务器(如搜索引擎)，该电子设备具体可以包括移动设备，例如手机、PDA(Personal DigitalAssistant，个人数字助理)、膝上型计算机、掌上电脑等等，也可以包括固定设备，例如个人计算机、智能电视等等，本发明实施例对此不加以限制。

这些电子设备可以支持包括Android(安卓)、IOS、WindowsPhone或者windows等的操作系统，通常可以运行浏览器或内置微型浏览器的应用程序。

相对于服务器(如搜索引擎)而言，该浏览器或内置微型浏览器的应用程序可以称之为客户端。

在实际应用中，浏览器或内置微型浏览器的应用程序可以将请求头信息通过HTTP(Hypertext transfer protocol，超文本传送协议)协议向搜索引擎所在的服务器发起搜索请求。

即在本发明实施例中，服务器(如搜索引擎)可以接收从浏览器或内置微型浏览器的应用程序发送的搜索请求，该搜索请求可以是指搜索与某个搜索对象相关信息的指示。

例如，用户可以通过在搜索引擎的网页中输入某个搜索对象发起搜索请求，或者在浏览器的搜索插件(plug-ins，可以通过与浏览器、搜索引擎等进行交互，在浏览器中增加搜索功能)等输入某个搜索对象发起搜索请求等等。当用户在搜索引擎网页中点击搜索控件时，就相当于接收到发起基于搜索引擎的搜索请求的指示；同样，当在搜索插件中输入某个搜索对象并点击确定按钮或按下回车键时，也相当于接收到发起基于搜索引擎的第一搜索请求的指示。

其中，在搜索请求中可以包括长查询词。

本发明实施例所指“长查询词”，可以指字符长度大于预设的第一长度阈值的查询词，例如，“根据初二英语第44页4a写一篇有关灰姑娘的作文”。

步骤102，从所述长查询词中提取多个关键词；

在本发明实施例中，可以从长查询词中辨别冗余词，以提取关键词，表征长查询词的核心意图。

例如，对于“根据初二英语第44页4a写一篇有关灰姑娘的作文”中，可以提取“灰姑娘”、“作文”等关键词，反之，“根据”、“有关”可以认为是冗余词。

在本发明的一种可选实施例中，步骤102可以包括如下子步骤：

子步骤S11，对所述长查询词进行分词处理，以获得一个或多个查询分词；

可以采取以下几种分词方法

1、基于字符串匹配的分词方法：是指按照一定的策略将待分析的汉字串与一个预置的机器词典中的词条进行匹配，若在词典中找到某个字符串，则匹配成功(识别出一个词)。

2、基于特征扫描或标志切分的分词方法：是指优先在待分析字符串中识别和切分出一些带有明显特征的词，以这些词作为断点，可将原字符串分为较小的串再来进机械分词，从而减少匹配的错误率；或者将分词和词类标注结合起来，利用丰富的词类信息对分词决策提供帮助，并且在标注过程中又反过来对分词结果进行检验、调整，从而提高切分的准确率。

3、基于理解的分词方法：是指通过让计算机模拟人对句子的理解，达到识别词的效果。其基本思想就是在分词的同时进行句法、语义分析，利用句法信息和语义信息来处理歧义现象。它通常包括三个部分：分词子系统、句法语义子系统、总控部分。在总控部分的协调下，分词子系统可以获得有关词、句子等的句法和语义信息来对分词歧义进行判断，即它模拟了人对句子的理解过程。

4、基于统计的分词方法：是指，中文信息中由于字与字相邻共现的频率或概率能够较好的反映成词的可信度，所以可以对语料中相邻共现的各个字的组合的频度进行统计，计算它们的互现信息，以及计算两个汉字X、Y的相邻共现概率。互现信息可以体现汉字之间结合关系的紧密程度。当紧密程度高于某一个阈值时，便可认为此字组可能构成了一个词。

子步骤S12，从所述一个或多个查询分词中滤去无效的查询分词，以保留有效的查询分词作为关键词。

在具体实现中，可以确认查询分词的词性，通过词性判断该查询分词是否有效。

例如，名词等实词中，一般包括了人名、地名、品牌、成语等词，可以认为是有效的，虚词、代词、语气词等可以认为是无效的。

步骤103，在预构建的常用关键词索引中查找各个关键词；

应用本发明实施例，可以预先构建常用关键词索引，所述常用关键词索引可以基于在先查询次数超过预设的数量阈值的短查询词构建。

本发明实施例中所指“短查询词”，可以指字符数量小于预设的第二长度阈值的查询词，例如，“灰姑娘英语作文”。

在实际应用中，该常用关键词索引可以为倒排索引(Inverted index)。

倒排索引也常被称为反向索引、置入档案或反向档案，是一种索引方法，被用来存储某个单词(短查询词中的分词)在一个文档(短查询词)或者一组文档中的存储位置的映射。

例如，短查询词“灰姑娘英语作文”包括“灰姑娘”、“英语”、“作文”这三个分词，在常用关键词索引中，“灰姑娘”、“英语”、“作文”这三个分词可以索引到短查询词“灰姑娘英语作文”。

步骤104，基于查找到的关键词，对按照所述搜索请求进行搜索获得的搜索结果进行优化处理。

在本发明实施例中，若查找到关键词，可以认为该关键词是常用的搜索关键词，可以表征群体用户的查询意图，因此，有一定概率可以表征当前用户的查询意图，可以按照该关键词对搜索结果进行优化。

在本发明的一种可选实施例中，步骤104可以包括如下子步骤：

子步骤S21，获取在所述常用关键词索引中，由所述查找到的关键词索引到的短查询词；

子步骤S22，判断所述长查询词是否包括所述短查询词；若是，则执行子步骤S23；

子步骤S23，至少采用所述短查询词进行搜索，以获得搜索结果。

在本发明实施例中，可以优先考虑召唤与短查询词匹配的搜索结果，将短查询词匹配的搜索结果赋予给长查询词。

例如，在长查询词“根据初二英语第44页4a写一篇有关灰姑娘的作文”中的关键词“灰姑娘”在常用关键词索引中，查找到短查询词“灰姑娘英语作文”，该长查询词包括该短查询词，则可以至少采用该短查询词“灰姑娘英语作文”进行搜索。

在本发明的一种可选实施例中，子步骤S23可以包括如下子步骤：

子步骤S231，提高所述短查询词的权重；

子步骤S232，降低辅助查询词的权重；所述辅助查询词为所述长查询词中除所述短查询词之外的查询词；

子步骤S233，采用提高权重之后的短查询词、降低权重之后的辅助查询词进行搜索，以获得搜索结果。

在本发明实施例中，可以提高短查询词的权重，以提高与短查询词匹配的搜索结果的排序，可以降低辅助查询词的权重，以降低与辅助查询词匹配的搜索结果的排序。

在具体实现中，可以基于倒排索引等方式搜索相关的网页(搜索结果)。

以搜索引擎为例进行说明，搜索引擎的搜索流程分为二个部分，一是前端用户请求过程，二是后端制作数据过程。

一、前端用户请求过程：

1.检索：从预先制作的网页的倒排索引中，查找与短查询词、辅助查询词相关的网页；

2.按照权重对网页进行排序；

3.将搜索结果返回客户端进行展示。

二、后端制作数据过程：

1.网页抓取：采用爬虫技术，通过网页间的链接关系，抓取互联网的网页并保存。

2.索引制作：对已抓取保存的网页进行分析，例如对网页标题和页面文本进行分词处理，根据分词结果制作倒排索引，供前端用户请求过程使用。

在HTTP协议下，浏览器或内置微型浏览器的应用程序(客户端)可以从服务器(如搜索引擎)接收到HTML(Hypertext Markup Language，超文本标记语言)类型的文档。

浏览器或内置微型浏览器的应用程序(客户端)可以解析该HTML文档，生成树状结构的对象，即DOM(Document Object Model，文件对象模型)，每个对象是DOM上的一个结点，而这些对象可以代表文字、图片等网页资源。

浏览器或内置微型浏览器的应用程序(客户端)可以开始显示此HTML文档，并获取其中内嵌的网页资源的地址，然后再向服务器(如搜索引擎)发起请求来获取这些网页资源，并在浏览器或内置微型浏览器的应用程序(客户端)的HTML文档中显示搜索结果。

本发明实施例从长查询词中提取关键词，在确认该关键词在常用关键词索引中匹配时，基于查找到的关键词对搜索结果进行优化处理，通过从长查询词中辨别冗余信息以及核心查询意图，增加了与查询意图相关的搜索结果，减少了用户翻页查找等操作，提高了了操作的简便性，提高了搜索效率。

对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图2，示出了根据本发明一个实施例的一种基于长查询的搜索结果的优化装置实施例的结构框图，具体可以包括如下模块：

搜索请求接收模块201，适于接收基于长查询词生成的搜索请求；

关键词提取模块202，适于从所述长查询词中提取多个关键词；

关键词查找模块203，适于在预构建的常用关键词索引中查找各个关键词；

优化处理模块204，适于基于查找到的关键词，对按照所述搜索请求进行搜索获得的搜索结果进行优化处理。

在本发明的一种可选实施例中，所述关键词提取模块202还可以适于：

对所述长查询词进行分词处理，以获得一个或多个查询分词；

从所述一个或多个查询分词中滤去无效的查询分词，以保留有效的查询分词作为关键词。

在具体实现中，所述常用关键词索引可以基于在先查询次数超过预设的数量阈值的短查询词构建。

在本发明的一种可选实施例中，所述优化处理模块204还可以适于：

获取在所述常用关键词索引中，由所述查找到的关键词索引到的短查询词；

判断所述长查询词是否包括所述短查询词；若是，则至少采用所述短查询词进行搜索，以获得搜索结果。

在本发明的一种可选实施例中，所述优化处理模块204还可以适于：

提高所述短查询词的权重；

降低辅助查询词的权重；所述辅助查询词为所述长查询词中除所述短查询词之外的查询词；

采用提高权重之后的短查询词、降低权重之后的辅助查询词进行搜索，以获得搜索结果。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的基于长查询的搜索结果的优化设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种基于长查询的搜索结果的优化方法，包括：

接收基于长查询词生成的搜索请求；

从所述长查询词中提取多个关键词；

在预构建的常用关键词索引中查找各个关键词；

基于查找到的关键词，对按照所述搜索请求进行搜索获得的搜索结果进行优化处理。

2.如权利要求1所述的方法，其特征在于，所述从所述长查询词中提取多个关键词的步骤包括：

对所述长查询词进行分词处理，以获得一个或多个查询分词；

从所述一个或多个查询分词中滤去无效的查询分词，以保留有效的查询分词作为关键词。

3.如权利要求1所述的方法，其特征在于，所述常用关键词索引基于在先查询次数超过预设的数量阈值的短查询词构建。

4.如权利要求1或2或3所述的方法，其特征在于，所述基于查找到的关键词，对按照所述搜索请求进行搜索获得的搜索结果进行优化处理的步骤包括：

获取在所述常用关键词索引中，由所述查找到的关键词索引到的短查询词；

判断所述长查询词是否包括所述短查询词；若是，则至少采用所述短查询词进行搜索，以获得搜索结果。

5.如权利要求4所述的方法，其特征在于，所述至少采用所述短查询词进行搜索，以获得搜索结果的步骤包括：

提高所述短查询词的权重；

降低辅助查询词的权重；所述辅助查询词为所述长查询词中除所述短查询词之外的查询词；

采用提高权重之后的短查询词、降低权重之后的辅助查询词进行搜索，以获得搜索结果。

6.一种基于长查询的搜索结果的优化装置，包括：

搜索请求接收模块，适于接收基于长查询词生成的搜索请求；

关键词提取模块，适于从所述长查询词中提取多个关键词；

关键词查找模块，适于在预构建的常用关键词索引中查找各个关键词；

优化处理模块，适于基于查找到的关键词，对按照所述搜索请求进行搜索获得的搜索结果进行优化处理。

7.如权利要求6所述的装置，其特征在于，所述关键词提取模块还适于：

对所述长查询词进行分词处理，以获得一个或多个查询分词；

从所述一个或多个查询分词中滤去无效的查询分词，以保留有效的查询分词作为关键词。

8.如权利要求6所述的装置，其特征在于，所述常用关键词索引基于在先查询次数超过预设的数量阈值的短查询词构建。

9.如权利要求6或7或8所述的装置，其特征在于，所述优化处理模块还适于：

获取在所述常用关键词索引中，由所述查找到的关键词索引到的短查询词；

判断所述长查询词是否包括所述短查询词；若是，则至少采用所述短查询词进行搜索，以获得搜索结果。

10.如权利要求9所述的装置，其特征在于，所述优化处理模块还适于：

提高所述短查询词的权重；

降低辅助查询词的权重；所述辅助查询词为所述长查询词中除所述短查询词之外的查询词；

采用提高权重之后的短查询词、降低权重之后的辅助查询词进行搜索，以获得搜索结果。